케라스로 구현하는 딥러닝 (예제를 따라 하며 배우는 딥러닝 인공신경망)

김성진

초등학교때프로그래밍으로도대회에서대상을수상했다.그때열정을살려서울대학교컴퓨터공학부에서박사학위를받고21년간삼성전자에다니면서프로그래밍역량을높였다.2015년에미국으로건너가하버드대학교에서인공지능소재탐색분야의박사후연구원으로근무했다.2018년부터는LG전자에서인공지능분야에수석연구위원(상무)을지냈고,최근인공지능을스페이스분야까지확장하는뷰메진의CTO로영입되었다.페이스북에서『케라스로구현하는딥러닝』커뮤니티(fb.com/groups/keras.py)를운영하고있다.

〈기본편〉

0장.프롤로그
__0.1인공지능과인공신경망
____0.1.1인공지능의역사
____0.1.2머신러닝과딥러닝
____0.1.3인공신경망개요
__0.2케라스소개
____0.2.1케라스2의주요특징

1장.케라스시작하기
__1.1우분투에서케라스설치하기
____1.1.1아나콘다파이썬배포판설치
____1.1.2아나콘다를이용한케라스설치
____1.1.3케라스에서GPU사용을위한CUDA/cuDNN설치
__1.2윈도우에서케라스설치하기
____1.2.1아나콘다파이썬배포판설치
____1.2.2아나콘다를이용한케라스설치
__1.3주피터설치하기
__1.4케라스사용하기
____1.4.1실습내용소개
____1.4.2텍스트모드실습
____1.4.3주피터모드실습
__1.5케라스기능
__1.6마치며

2장.케라스로구현하는ANN
__2.1ANN원리
____2.1.1ANN개념
____2.1.2ANN구조
____2.1.3ANN활용
____2.1.4ANN구현방법및단계
__2.2필기체를구분하는분류ANN구현
____2.2.1분류ANN을위한인공지능모델구현
____2.2.2분류ANN에사용할데이터가져오기
____2.2.3분류ANN학습결과의그래프구현
____2.2.4분류ANN학습및성능분석
__2.3결과데이터를예측하는회귀ANN구현
____2.3.1회귀ANN모델링
____2.3.2학습과평가용데이터가져오기
____2.3.3회귀ANN학습결과그래프구현
____2.3.4회귀ANN학습및성능분석
__2.4마치며

3장.케라스로구현하는DNN
__3.1DNN원리
____3.1.1DNN개념과구조
____3.1.2경사도소실문제와ReLU활성화함수
____3.1.3DNN구현단계
__3.2필기체를분류하는DNN구현
____3.2.1기본매개변수설정
____3.2.2DNN모델구현
____3.2.3데이터준비
____3.2.4학습및성능평가
__3.3컬러이미지를분류하는DNN구현
____3.3.1데이터가져오기
____3.3.2DNN모델링
____3.3.3학습효과분석
____3.3.4학습및성능평가
__3.4마치며

4장케라스로구현하는CNN
__4.1CNN원리
__4.2필기체를분류하는CNN구현
____4.2.1분류CNN모델링
____4.2.2분류CNN을위한데이터준비
____4.2.3분류CNN학습효과분석
____4.2.4분류CNN학습및성능평가
__4.3컬러이미지를분류하는CNN구현
____4.3.1분류CNN패키지가져오기
____4.3.2분류CNN모델링
____4.3.3분류CNN을위한데이터준비
____4.3.4분류CNN의학습및성능평가를위한머신클래스
____4.3.5분류CNN의학습및성능평가수행
__4.4마치며

5장케라스로구현하는RNN
__5.1RNN원리
____5.1.1RNN의개념과구조
____5.1.2LSTM구조및동작
__5.2문장을판별하는LSTM구현
____5.2.1라이브러리패키지가져오기
____5.2.2데이터준비
____5.2.3모델링
____5.2.4학습및성능평가
__5.3시계열데이터를예측하는LSTM구현
____5.3.1라이브러리패키지가져오기
____5.3.2코드실행및결과보기
____5.3.3학습하고평가하기
____5.3.4LSTM시계열데이터회귀모델링
____5.3.5데이터가져오기
__5.4마치며

6장케라스로구현하는AE
__6.1AE원리
__6.2완전연결계층을이용한AE구현
____6.2.1완전연결계층AE모델링
____6.2.2데이터준비
____6.2.3학습효과분석
____6.2.4완전연결계층AE의동작확인
____6.2.5학습및성능평가
__6.3합성곱계층을이용한AE구현
____6.3.1합성곱AE모델링
____6.3.2데이터준비및학습효과분석
____6.3.3합성곱AE결과시각화
____6.3.4합성곱AE학습및성능평가
__6.4마치며


7장.케라스로구현하는GAN
__7.1GAN원리
____7.1.1GAN의목적과개념
____7.1.2GAN의구조
____7.1.3GAN의동작원리
____7.1.4GAN의동작사례
__7.2확률분포생성을위한완전연결계층GAN구현
____7.2.1패키지가져오기
____7.2.2데이터생성클래스만들기
____7.2.3GAN모델링
____7.2.4머신구현하기
____7.2.5코드수행과결과보기
__7.3필기체를생성하는합성곱계층GAN구현
____7.3.1공통패키지가져오기
____7.3.2사용자정의손실함수만들기
____7.3.3합성곱계층GAN모델링
____7.3.4합성곱계층GAN학습하기
____7.3.5합성곱계층GAN수행하기
__7.4마치며

8장케라스로구현하는UNET
__8.1UNET원리
__8.2UNET을이용한컬러복원처리
____8.2.1패키지가져오기
____8.2.2UNET모델링
____8.2.3데이터준비
____8.2.4UNET처리그래프그리기
____8.2.5UNET학습및결과확인
__8.3마치며


〈심화편〉

9장케라스확장기능
__9.1이미지데이터증강하기
____9.1.1응용코드구현
____9.1.2세부모듈구현
__9.2미리학습한모델사용하기
____9.2.1응용코드구현
____9.2.2세부모듈구현
__9.3간단한신규계층만들기
____9.3.1Lambda계층이란?
____9.3.2파이썬Lambda기능이용
____9.3.3Lambda계층전용함수이용
____9.3.4백엔드함수이용
____9.3.5엔진전용함수이용
____9.3.6케라스의확장기능이용
__9.4학습가능한신규계층만들기
____9.4.1관련패키지가져오기
____9.4.2새로운계층의클래스만들기
____9.4.3사용데이터준비하기
____9.4.4신규계층이포함된모델링만들기
____9.4.5모델의학습과성능평가
__9.5케라스의확장된기능이용하기
____9.5.1텐서플로가져오기와내장케라스사용하기
____9.5.2완전연결층인공신경망모델링
____9.5.3데이터준비
____9.5.4학습진행및효과분석단계
____9.5.5주함수구현및실행
__9.6마치며

10장.케라스로구현하는RL
__10.1강화학습원리
____10.1.1강화학습의정의및주요용어
____10.1.2강화학습최적화기본방법
__10.2정책반복법을이용하는강화학습사례
____10.2.1Gym을이용한강화학습환경구성하기
____10.2.2무작위행동에따른상태,보상그리고종료여부관찰하기
____10.2.3반환값구하기
____10.2.4가치함수구하기
____10.2.5행동가치함수구하기
____10.2.6새로운정책구하기
____10.2.7새로운정책사용하기
__10.3Q-Learning을이용하는강화학습사례
____10.3.1패키지가져오기및초기화
____10.3.2주어진정책에따른시행함수만들기
____10.3.3Q-learning만들기
____10.3.4Q-learning실행하기
__10.4딥러닝기반Q-Learning을이용하는강화학습
____10.4.1관련패키지가져오기
____10.4.2Q함수를위한뉴럴넷구성하기
____10.4.3텐서플로기능을이용한Q함수뉴럴넷학습코드작성
____10.4.4객체지향방식으로Q함수뉴럴넷모델을학습시키기
____10.4.5추가Q함수뉴럴넷모델을이용한학습
____10.4.6시도와동시에학습이진행되게만들기
__10.5마치며

11장.케라스로구현하는QAI
__11.1양자컴퓨팅과양자인공지능의기초
____11.1.1양자비트상태표현과측정
____11.1.2단일양자비트연산자
____11.1.3다중양자비트표현및연산
____11.1.4블로흐구면과지정양자상태회전
__11.2양자컴퓨팅알고리즘구현
____11.2.1기본양자회로만들기
____11.2.2입력을반전시키는양자회로
____11.2.3두상태를중첩하는양자회로
____11.2.4두개양자비트를입력으로하는CNOT연산
____11.2.5벨상태만들기
__11.3양자인공지능알고리즘구현
____11.3.1매개변수가있는가변양자회로알고리즘
____11.3.2하이브리드양자인공지능학습하기
__11.4마치며